[go: up one dir, main page]

CN120751985A - 确定血管疾病的状态 - Google Patents

确定血管疾病的状态

Info

Publication number
CN120751985A
CN120751985A CN202480013830.XA CN202480013830A CN120751985A CN 120751985 A CN120751985 A CN 120751985A CN 202480013830 A CN202480013830 A CN 202480013830A CN 120751985 A CN120751985 A CN 120751985A
Authority
CN
China
Prior art keywords
blood vessel
data
ray attenuation
values
distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202480013830.XA
Other languages
English (en)
Inventor
M·维姆巴尔
M·格拉斯
H·C·哈泽
A·范德霍斯特
H·尼克基施
H·施米特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from EP23168893.8A external-priority patent/EP4449993A1/en
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN120751985A publication Critical patent/CN120751985A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

提供了一种确定血管疾病的状态的计算机实施的方法。所述方法包括：根据CT数据来确定X射线衰减值在包围血管的血管周围脂肪组织PVAT的一个或多个同心层(1301…n)的范围内的多个位置中的每个位置处的、沿着穿过所述一个或多个同心层的路径的分布；以及分析X射线衰减值的所述分布，以提供表示所述血管的所述部分周围的血管疾病的状态的疾病状态值(140)的空间分布。输出疾病状态值(140)的所述空间分布的图形表示(150a、150b)。替代地或额外地，输出预期所述血管的所述部分周围的血管疾病的所述状态达到预定义状态的预测时间。所述预测时间是基于疾病状态值(140)的所述空间分布来预测的。

Description

确定血管疾病的状态
技术领域
本公开内容涉及确定血管疾病的状态。本文公开了计算机实施的方法、计算机程序产品和系统。
背景技术
血管疾病是指影响循环系统(或者换句话说，影响使血液在身体周围循环的血管)的一系列病症。一些类型的血管疾病影响动脉，而其他类型的血管疾病影响静脉。血管疾病能够影响身体的各个部位(包括心脏以及外周区域(例如，腿部)等)。例如，冠状动脉疾病“CAD”是指冠状动脉的病理以及冠状动脉将含氧血液输送到心肌的能力的恶化。在CAD的情况下，最终，缺乏氧气供应会导致心肌缺血，其症状能够包括呼吸短促、心绞痛或甚至心肌梗塞。
已经开发了各种基于成像的生物标志物来用于预测与血管疾病相关的风险。一种这样的生物标志物涉及检测血管周围组织“PVAT”中的炎症，并且在文献WO2016/024128A1中公开了这种生物标志物。该文献定义了使用通过计算机断层摄影“CT”扫描收集的数据对血管周围脂肪组织进行体积表征的方法。对血管周围脂肪组织的体积表征允许通过CT扫描建立下层血管的炎症状态。这可以用于对冠状动脉和血管疾病的诊断、预后和处置。
Antoniades C.等人的另一文献“State-of-the-artreviewarticle.Atherosclerosis affecting fat:What can we learn by imagingperivascular adipose tissue？”(《心血管计算机断层摄影杂志》，2019年9月-10月，第13卷，第5期，第288-296页)描述了一种根据在人类冠状动脉周围的PVAT中的CT衰减导出的生物标志物。该文献公开的生物标志物被设计成捕获在人类冠状动脉周围的PVAT衰减的空间变化——脂肪衰减指数“FAI”。FAI在稳定患者中具有对心脏死亡和非致命心脏病发作的预测价值。
PVAT包围冠状动脉并且在血管外膜层内或与血管外膜层相邻(即，在血管中膜层外部的层中)。PVAT相对于血管中心线径向向外延伸的方向的范围大致等于动脉的直径。在CT图像中，能够通过紧贴血管壁外部的X射线衰减水平升高来识别PVAT。
如上面引用的Antoniades C.等人的文献所述，在没有血管炎症的情况下，PVAT的X射线衰减随着远离血管壁的径向距离的增加而降低。相比之下，在存在血管炎症的情况下，在PVAT中发现相对较高的X射线衰减值。这在血管壁附近产生了相对较高的X射线衰减值，随后随着远离血管壁的径向距离增加而产生相对较陡的梯度。该文献描述了针对血管节段的生物标志物(脂肪衰减指数“FAI”)的评价。FAI量化人类动脉壁周围的1毫米同心层的血管周围组织中的衰减的加权量度，从而捕获相应的血管周围衰减梯度，进而反映由于血管炎症而发生的PVAT生物学变化。FAI在稳定患者中具有对心脏死亡和非致命心脏病发作的预测价值。
在上面引用的文献WO2016/024128A1中，公开了用于预测CAD的存在的另一种CAD生物标志物(其被称为体积血管周围表征指数“VPCI-i”)。根据右冠状动脉周围的血管周围脂肪组织的放射密度变化相对于距血管外壁的距离的标绘图来计算血管的节段的生物标志物VPCI-i。曲线下面积技术用于确定血管节段的VPCI-i的值，从而确定CAD的存在。
文献US2022/401050A1公开了一种用于使用根据沿着血管的计算机断层摄影扫描收集的图像数据来表征冠状动脉斑块组织数据和血管周围组织数据的方法，该图像信息包括冠状动脉斑块和位于冠状动脉斑块附近的血管周围组织的放射密度值，该方法包括：量化冠状动脉斑块的区域中的放射密度，量化冠状动脉斑块附近的对应血管周围组织的至少一个区域中的放射密度，确定冠状动脉斑块内的经量化的放射密度值和对应血管周围组织内的经量化的放射密度值的梯度，以及确定冠状动脉斑块和对应血管周围组织内的经量化的放射密度值的比率；以及通过分析冠状动脉斑块和对应血管周围组织中的经量化的放射密度值的梯度和/或冠状动脉斑块放射密度值与对应血管周围组织的放射密度值的比率来表征冠状动脉斑块。
然而，仍然需要改进通过测量PVAT中的X射线衰减对血管的血管疾病状态的评价。
发明内容
根据本公开内容的一个方面，提供了一种确定血管疾病的状态的计算机实施的方法。所述方法包括：
接收表示血管的部分的计算机断层摄影CT数据；
根据所述CT数据来确定X射线衰减值在包围所述血管的所述部分的血管周围脂肪组织PVAT的一个或多个同心层的范围内的多个位置中的每个位置处的、沿着穿过所述一个或多个同心层的路径的分布；
分析X射线衰减值沿着穿过所述一个或多个同心层的所述路径的所述分布，以提供表示所述血管的所述部分周围的血管疾病的状态的疾病状态值的空间分布；以及
输出疾病状态值的所述空间分布的图形表示，和/或输出预期所述血管的所述部分周围的血管疾病的所述状态达到预定义状态的预测时间，所述预测时间是基于疾病状态值的所述空间分布来预测的。
在上述方法中，提供表示血管的部分周围的血管疾病的状态的疾病状态值的空间分布提供了关于疾病的状态的详细信息。这与为血管的部分提供生物标志物的单个值形成对比。通过疾病状态值的空间分布提供的额外信息可以例如用于跟踪特定位置处的疾病的变化，从而促进对血管的处置或监测的改进的决策。类似地，由于预期血管的部分周围的血管疾病的状态达到预定义状态的输出预测时间是基于疾病状态值的空间分布来预测的，因此能够提供更可靠的预测时间。
根据下面的参考附图对示例的描述，本公开内容的其他方面、特征和优点将变得明显。
附图说明
图1是根据本公开内容的一些方面的图示血管120的部分(包括包围血管的血管周围脂肪组织PVAT)的示例的示意图。
图2是根据本公开内容的一些方面的图示用于确定血管疾病的状态的计算机实施的方法的示例的流程图。
图3是根据本公开内容的一些方面的图示用于确定血管疾病的状态的系统200的示例的示意图。
图4是根据本公开内容的一些方面的图示血管120的部分(包括包围血管的血管周围脂肪组织PVAT的一个或多个同心层1301…n)的示例的示意图。
图5是根据本公开内容的一些方面的图示用于确定(S120)X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布的技术的示例的示意图。
图6图示了根据本公开内容的一些方面的a)X射线衰减值沿着从血管中心线CL在径向方向R上延伸的路径的图形的示例，以及b)在a)中图示的X射线衰减值的归一化图形的示例。
图7是根据本公开内容的一些方面的图示疾病状态值140的空间分布的图形表示150a的第一示例的示意图。
图8是根据本公开内容的一些方面的图示疾病状态值140的空间分布的图形表示150b的第二示例的示意图。
图9是图示经相互配准的在两个不同的时间点t0、t1处的表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布的图形表示的示例的示意图。
图10是根据本公开内容的一些方面的图示表示血管120的部分周围的血管疾病的状态在两个时间点t0、t1之间的变化的疾病状态值的空间分布的图形表示的示例的示意图。
具体实施方式
参考以下描述和附图来提供本公开内容的示例，在本说明书中，出于解释的目的，阐述了某些示例的许多具体细节。说明书中对“示例”、“实施方式”或类似语言的引用意味着结合示例描述的特征、结构或特性被包括在至少这一个示例中。还应当理解，关于一个示例描述的特征也可以用在另一示例中，并且为了简洁起见，所有特征不一定在每个示例中重复。例如，关于计算机实施的方法描述的特征可以以对应的方式在计算机程序产品和系统中实施。
在以下描述中，参考了确定血管疾病的状态的计算机实施的方法。在一些示例中，参考了冠状动脉疾病“CAD”形式的血管疾病。然而，通常应当理解，该方法不限于这种类型的血管疾病。该方法还可以用于确定身体的除了心脏之外的其他部分中的血管疾病的状态。该方法还可以用于确定除了动脉之外的其他类型的血管中的血管疾病的状态。通常，该方法可以用于确定任何解剖区域中的血管疾病的状态，并且血管可以是任何类型的血管。因此，血管可以是动脉或静脉，并且动脉或静脉可以被设置在身体中的任何位置中(例如，在心脏、脑部中或在外周区域中，例如在手臂、腿部等中)。
注意，本文公开的计算机实施的方法可以被提供为非瞬态计算机可读存储介质，所述非瞬态计算机可读存储介质包括被存储在其上的计算机可读指令，所述计算机可读指令在由至少一个处理器运行时使至少一个处理器执行该方法。换句话说，计算机实施的方法可以被实施在计算机程序产品中。计算机程序产品能够由专用硬件或能够运行与适当软件相关联的软件的硬件来提供。当由处理器提供时，方法特征的功能能够由单个专用处理器来提供，或者由单个共享处理器来提供，或者由多个个体处理器来提供，这多个个体处理器中的一些个体处理器能够被共享。方法特征中的一个或多个方法特征的功能可以例如由在诸如客户端/服务器架构、对等架构、互联网或云之类的联网处理架构内共享的处理器来提供。
对术语“处理器”或“控制器”的明确使用不应被解读为专门指代能够运行软件的硬件，并且能够隐含地包括但不限于数字信号处理器“DSP”硬件、用于存储软件的只读存储器“ROM”、随机存取存储器“RAM”、非易失性存储设备等。此外，本公开内容的示例能够采取能从计算机可用存储介质或计算机可读存储介质访问的计算机程序产品的形式，该计算机程序产品提供由计算机或任何指令运行系统使用或与其结合使用的程序代码。出于本说明书的目的，计算机可用存储介质或计算机可读存储介质能够是能够包括、存储、传送、传播或传输由指令运行系统、装置或设备使用或与其结合使用的程序的任何装置。介质能够是电学、磁性、光学、电磁、红外或半导体系统或设备或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移动计算机盘、随机存取存储器“RAM”、只读存储器“ROM”、刚性磁盘和光盘。光盘的当前示例包括压缩盘只读存储器“CD-ROM”、读/写压缩盘“CD-R/W”、蓝光TM和DVD。
如上所述，仍然需要改进通过测量PVAT中的X射线衰减对血管的血管疾病的状态的评价。
图1是根据本公开内容的一些方面的图示血管120的部分(包括包围血管的血管周围脂肪组织PVAT)的示例的示意图。例如，图1所示的血管120可以表示冠状动脉。PVAT包围血管(例如，冠状动脉)并且在图1所示的血管外膜层内或与血管外膜层相邻(即，在血管中膜层外部的层中)。
如上所述，文献WO2016/024128A1定义了使用通过计算机断层摄影收集的数据对血管周围脂肪组织进行体积表征的方法。对血管周围脂肪组织的体积表征允许通过CT扫描建立下层血管的炎症状态。这可以用于对冠状动脉和血管疾病的诊断、预后和处置。上面提到的Antoniades C.等人的文献描述了另一种生物标志物，其是根据包围人类冠状动脉的PVAT中的CT衰减来导出的。该文献公开了一种生物标志物，其被设计成捕获在人类冠状动脉周围的PVAT衰减的空间变化——脂肪衰减指数“FAI”。FAI在稳定患者中具有对心脏死亡和非致命心脏病发作的预测价值。
图2是根据本公开内容的一些方面的图示确定血管疾病的状态的计算机实施的方法的示例的流程图。图3是根据本公开内容的一些方面的图示用于确定血管疾病的状态的系统200的示例的示意图。系统200包括一个或多个处理器210。注意，关于参考图2描述的方法所描述的操作也可以由图3所示的系统200的一个或多个处理器210来执行。同样，关于系统200的一个或多个处理器210描述的操作也可以在参考图2描述的方法中执行。参考图2，确定血管疾病的状态的计算机实施的方法包括：
接收S110表示血管120的部分的计算机断层摄影CT数据110；
根据CT数据110来确定S120 X射线衰减值在包围血管120的部分的血管周围脂肪组织PVAT的一个或多个同心层1301…n的范围内的多个位置中的每个位置处的、沿着穿过一个或多个同心层1301…n的路径的分布；
分析S130 X射线衰减值沿着穿过一个或多个同心层1301…n的路径的分布，以提供表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布；以及
输出S140疾病状态值140的空间分布的图形表示150a、150b，和/或输出S150预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间，该预测时间是基于疾病状态值140的空间分布来预测的。
在上述方法中，提供表示血管部分周围的血管疾病的状态的疾病状态值的空间分布提供了关于疾病状态的详细信息。这与为血管的部分提供生物标志物的单个值形成对比。通过疾病状态值的空间分布提供的额外信息可以例如用于跟踪特定位置处的疾病的变化，从而促进对血管的处置或监测的改进的决策。类似地，由于预期血管的部分周围的血管疾病的状态达到预定义状态的输出预测时间是基于疾病状态值的空间分布来预测的，因此能够提供更可靠的预测时间。
参考图2所示的流程图，在操作S110中，接收表示血管120的部分的CT数据110。
可以在将造影剂注射到脉管系统中之后生成在操作S110中接收的CT数据110。造影剂可以包括诸如碘之类的物质，或者诸如钆之类的镧系元素，或者提供造影剂被注射到其中的血流的可见性的另一种物质。CT数据110通常可以表示血管120的静态图像，或者替代地，CT数据110可以表示血管120的图像的时间序列。在后一种情况下，可以基本上实时地生成图像的时间序列，并且可以基本上实时地执行上述方法。因此，确定操作S120、分析操作S130以及对疾病状态值140的空间分布的图形表示的输出S140可以基本上实时地执行。类似地，输出S150预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间的操作也可以实时地执行。
通常，在操作S110中接收的CT数据110可以是原始数据，即，尚未被重建成体积或3D图像的数据，或者它可以是图像数据，即，已经被重建成体积图像的数据。CT数据也可以被称为体积数据。CT数据110可以由CT成像系统生成，或者如下文更详细描述的那样，它可以通过围绕血管旋转或步进X射线投影成像系统的X射线源和X射线探测器来生成。
CT成像系统通过围绕目标旋转或步进X射线源-探测器布置并从关于目标的多个旋转角度采集目标的X射线衰减数据来生成CT数据。然后可以将CT数据重建成目标的3D图像。可以用于生成CT数据110的CT成像系统的示例包括锥形束CT成像系统、光子计数CT成像系统、暗场CT成像系统以及相衬CT成像系统。图3中图示了可以用于生成在操作S110中接收的CT数据110的CT成像系统220的示例。举例来说，CT数据110可以由荷兰Best的飞利浦Healthcare销售的CT 5000Ingenuity CT扫描器来生成。
如上所述，在操作S110中接收的CT数据110可以替代地通过围绕血管120旋转或步进X射线投影成像系统的X射线源和X射线探测器来生成。X射线投影成像系统可以包括支撑X射线源和X射线探测器的支撑臂，例如，所谓的“C形臂”。X射线投影成像系统可以替代地包括具有与该示例中的形状不同形状的支撑臂，例如，O形臂。可以替代地使用其他类型的X射线投影成像系统，其中，以不同的方式安装或支撑X射线源和X射线探测器。与CT成像系统形成对比，X射线投影成像系统生成目标的X射线衰减数据，其中，X射线源和X射线探测器相对于目标处于静态位置。与由CT成像系统生成的体积数据形成对比，X射线衰减数据可以被称为投影数据。由X射线投影成像系统生成的X射线衰减数据通常用于生成目标的2D图像。然而，X射线投影成像系统可以通过围绕目标旋转或步进其X射线源和X射线探测器并从相对于目标的多个旋转角度采集目标的投影数据来生成CT数据，即，体积数据。然后，可以使用图像重建技术以与使用从CT成像系统采集的X射线衰减数据重建体积图像类似的方式将从多个旋转角度获得的投影数据重建成体积图像。因此，在操作S110中接收的CT数据110可以由CT成像系统来生成，或者替代地，它可以由X射线投影成像系统来生成。可以用于生成CT数据110的X射线投影成像系统的示例是由荷兰Best的飞利浦Healthcare销售的Azurion7X射线投影成像系统。
在下面更加详细描述的一些示例中，在操作S110中接收的CT数据110包括光谱CT数据。光谱CT数据将目标中的X射线衰减定义在多个不同能量区间DE1…m中的每个能量区间内。一般而言，可以存在两个或更多个能量区间；即，m是整数，并且m≥2。在这方面，在操作S110中接收的光谱CT数据110可以由光谱CT成像系统或由光谱X射线投影成像系统来生成。在后一种情况下，如上所述，可以通过围绕血管旋转或步进光谱X射线投影成像系统的X射线源和X射线探测器来采集光谱CT数据。更一般地，在操作S110中接收的光谱CT数据110可以由光谱X射线成像系统来生成。
以多个不同能量区间DE1…m生成X射线衰减数据的能力将光谱X射线成像系统与常规X射线成像系统区分开。通过处理来自多个不同能量区间的数据，能够区分当在单个能量区间内测量时具有相似X射线衰减值并且在常规X射线衰减数据中无法区分的介质。可以用于生成在操作S110中接收的光谱CT数据110的光谱X射线成像系统的示例包括锥形束光谱X射线成像系统、光子计数光谱X射线成像系统、暗场光谱X射线成像系统和相衬光谱X射线成像系统。可以用于生成在操作S110中接收的光谱CT数据110的光谱CT成像系统的示例是由荷兰Best的飞利浦Healthcare销售的光谱CT7500。
通常，光谱CT数据110可以通过包括X射线源和X射线探测器的光谱X射线成像系统的各种不同配置来生成。光谱X射线成像系统的X射线源可以包括多个单色源，或者一个或多个多色源，并且光谱X射线成像系统的X射线探测器可以包括：公共探测器，其用于探测多个不同X射线能量区间；或者多个探测器，其中，每个探测器探测不同X射线能量区间DE1…m；或者多层探测器，其中，具有在不同X射线能量区间内的能量的X射线由对应层探测；或者光子计数探测器，其基于其个体能量将探测到的X射线光子分箱到多个能量区间中的一个能量区间中。在光子计数探测器中，可以通过探测由响应于X射线光子在直接转换材料中的吸收而生成的电子-空穴对引起的脉冲高度来确定针对每个接收到的X射线光子的相关能量区间。
前述X射线源和探测器的各种配置可以用于探测在不同X射线能量区间DE1…m内的X射线。通常，可以通过在时间上切换单个X射线源的X射线管电势(即，“快速kVp切换”)或者通过在时间上切换或过滤来自多个X射线源的X射线的发射来在源处提供在不同X射线能量区间之间的区分。在这样的配置中，公共X射线探测器可以用于探测跨多个不同能量区间的X射线，每个能量区间的X射线衰减数据以时间顺序方式生成。替代地，可以通过使用多层探测器或光子计数探测器在探测器处提供在不同X射线能量区间之间的区分。这样的探测器能够几乎同时探测来自多个X射线能量区间DE1…m的X射线，因此并不需要在源处执行时间切换。因此，多层探测器或光子计数探测器可以与多色源结合使用，以在不同的X射线能量区间DE1…m处生成X射线衰减数据。
前述X射线源和探测器的其他组合也可以用于提供光谱CT数据110。例如，在又一配置中，可以通过在围绕旋转轴线的旋转偏移位置处将X射线源-探测器对安装到机架来避免对顺序地切换发射在不同能量区间处的X射线的不同X射线源的需求。在该配置中，每个源-探测器对独立地操作，并且借助于源-探测器对的旋转偏移来促进不同能量区间DE1…m的光谱CT数据之间的分离。通过将能量选择性滤波器应用于(一个或多个)X射线探测器以便减少X射线散射的影响，可以利用该配置实现不同能量区间DE1…m的光谱CT数据之间的改进的分离。
通常，在操作S110中接收的CT数据110可以经由任何形式的数据通信来接收，这些数据通信包括有线通信、光学通信和无线通信。举例来说，当使用有线通信或光学通信时，通信可以经由在电缆或光缆上传输的信号而发生；并且当使用无线通信时，通信可以例如经由RF信号或光学信号而发生。可以从各种源接收在操作S110中接收的CT数据110。例如，可以从成像系统(例如，上述成像系统之一)接收CT数据110。替代地，可以从另一源(例如，计算机可读存储介质、互联网或云)接收CT数据110。
在操作S110中接收的CT数据110表示血管120的部分。举例来说，CT数据110可以表示动脉(例如，冠状动脉)的部分。在该示例中，CT数据可以用于确定动脉中的冠状动脉疾病的状态。CT数据110可以替代地表示另一类型的血管的部分。例如，CT数据110可以替代地表示静脉的部分。通常，静脉或动脉可以被设置在身体中的任何位置(例如，心脏、脑部或外周区域(例如，手臂、腿部)等)中。
返回到图2所示的流程图，在操作S120中，确定X射线衰减值在包围血管120的部分的血管周围脂肪组织PVAT的一个或多个同心层1301…n的范围内的多个位置中的每个位置处的、沿着穿过一个或多个同心层1301…n的路径的分布。下面参考图4和图5来描述操作S120的示例。
图4是根据本公开内容的一些方面的图示血管120的部分(包括包围血管的血管周围脂肪组织PVAT的一个或多个同心层1301…n)的示例的示意图。图4所示的血管120对应于图1所示的血管120，并且除了图1所示的项目之外，图4还图示了PVAT的多个同心层1301…n。在该实施例中，PVAT被设置在血管外膜层中。在所图示的示例中，同心层1301…n是相对于公共中心定义的，并且在该示例中，中心被定义为血管中心线CL。同心层1301…n可以被描述为围绕血管中心线CL形成的表面。每个表面在沿着血管中心线CL的轴向方向上由位置0和L界定。这些位置定义了血管的部分的长度。每个表面在围绕血管中心线CL的旋转方向φ上由旋转角度范围[0，2π]界定。同心层1301…n在径向方向R上由内径向尺寸和外径向尺寸界定，该内径向尺寸是针对围绕血管中心线CL的给定旋转角度φ由PVAT的径向最内部分来定义的，该外径向尺寸是针对围绕血管中心线CL的给定旋转角度φ由PVAT的径向最外位置定义的。通常，可以存在一或多个同心层。在一些示例中，可以存在两个或更多个同心层。如果存在两个或更多个同心层，则这些层可以具有相等的厚度。举例来说，可以存在十个或二十个层或更多个层。例如，如果存在大致二十个层，则每个层可以在径向方向R上具有大致1毫米的厚度。相比之下，如果仅提供几个层，则每个层可以具有几毫米的厚度。这些值纯粹是作为示例而提供的。
继续参考图4，在操作S120中，确定X射线衰减值在PVAT的一个或多个同心层1301…n的范围内的多个位置中的每个位置处的、沿着穿过一个或多个同心层1301…n的路径的分布。该操作涉及确定在每个层1301…n的范围内的多个位置中的每个位置处的、沿着穿过每个层的路径的X射线衰减，即，在沿着血管中心线CL的[0，L]的限制内并且在旋转方向φ上的旋转角度范围[0，2π]内的上述定义的表面中的每个表面的范围内的多个位置中的每个位置处的X射线衰减。参考图5描述了该操作的示例，图5是根据本公开内容的一些方面的图示用于确定(S120)X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布的技术的示例的示意图。
参考图5，可以通过根据CT数据生成虚拟图像切片来确定X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布，这些切片相对于血管中心线CL横向地布置。在图5的上部部分图示出了这样的图像切片的示例。在该示例中，切片相对于血管中心线CL垂直地布置。虚拟切片可以沿着血管中心线CL以规则间隔布置(例如，以大致1毫米的间隔布置)。
然后使用图像切片来定义上面参考图4描述的同心层1301…n。可以对如在图5的上部部分中那样显现的图像切片执行该操作，或者替代地，可以变换每个图像切片的CT数据以提供血管的展开表示，并且在这种情况下，在血管的展开表示中定义同心层。
在前一种情况下，对于每个图像切片，最初通过对切片执行图像分割来在切片中定义切片中的PVAT的内边界和外边界。如上所述，在CT图像中，能够通过紧贴血管壁外部的X射线衰减水平升高来识别PVAT。经由图5的上部部分中的虚线曲线图示出了所得到的分割图像的示例。然后在每个图像切片中的PVAT的内边界和外边界之间在径向方向R上以规则间隔定义同心边界，以便针对同心层1301…n中的每个同心层识别来自每个切片的CT数据。对于给定切片，每个层的CT数据在径向方向上由切片的内同心边界和外同心边界来界定，并且在旋转方向φ上由旋转角度范围[0，2π]来界定。然后通过在沿着血管中心线CL的方向上级联来自切片中的每个切片的层的数据来获得每个层的CT数据。这提供了X射线衰减值沿着穿过血管的部分的层1301…n中的每个层的路径的分布。从这里，该方法可以继续进行下面描述的操作S130。
在图5的中心部分和下部部分图示出了后一种情况。在这种情况下，以与上述方式相同的方式对图像切片执行图像分割。这定义了图像切片中的每个图像切片中的PVAT的内边界和外边界。然后变换每个图像切片的CT数据以提供血管120的展开表示。在图5的中心部分中图示了该操作。可以通过对CT数据应用坐标变换来执行该操作，其中，来自围绕旋转方向φ的角度位置的数据被映射到线性轴线。这将在图5的上部部分所示的图像切片映射到在图5的中心部分所示的图像切片。来自沿着血管中心线CL的在[0，L]的限制内的图像切片中的每个图像切片的数据然后沿着血管中心线的方向进行级联，以提供血管的展开体积表示。从PVAT的内表面开始，然后在PVAT中定义多个层1301…n，每个层具有定义的厚度。这提供了X射线衰减值沿着穿过血管的部分的层1301…n中的每个层的路径的分布。从这里，该方法可以继续进行下面描述的操作S130。
由于血管的不规则几何形状和PVAT的不规则分布，从在图5的中心部分中图示的图像切片获得的级联数据可以具有非平面表面。这可能使对沿着穿过层的路径的X射线衰减值的后续分析复杂化。为了避免这种复杂性，可以将由切片中的PVAT的内边界定义的PVAT的内表面平坦化。可以通过进一步变换级联数据来执行该操作，使得在PVAT的内表面上的位置被映射到平面表面。如图5的下部部分所示，这对PVAT进行了重新整形，使得其内表面是平面的。然后如上所述在PVAT中从PVAT的内表面开始定义多个层1301…n，每个层具有定义的厚度。这提供了如下的CT数据，在所述CT数据中，包围血管120的部分的PVAT的一个或多个同心层1301…n被表示为平面层。从这里，该方法可以继续进行下面描述的操作S130。
返回到图2所示的流程图，在操作S130中，分析X射线衰减值沿着穿过一个或多个同心层1301…n的路径的分布，以便提供表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布。通常，基于X射线衰减值沿着穿过一个或多个同心层1301…n的路径的梯度来执行该操作。参考图6描述了操作S130的示例，图6图示了根据本公开内容的一些方面的a)X射线衰减值沿着从血管中心线CL在径向方向R上延伸的路径的图形的示例，以及b)在a)中图示出的X射线衰减值的归一化图形的示例。图6a中所示的图形图示了：对于已经检测到CAD的血管(虚线曲线)和没有检测到CAD的血管(实线曲线)，在图3中所示的在径向方向R上的X射线衰减值的变化的示例。
如上面引用的Antoniades C.等人的文献所述，在没有血管炎症的情况下，PVAT的X射线衰减随着远离血管壁的径向距离的增加而降低。这种情况由图6a中所示的实线曲线“无CAD”表示。相比之下，在存在血管炎症的情况下，在PVAT中发现相对较高的X射线衰减值。这在血管壁附近产生相对较高的X射线衰减值，随后随着远离血管壁的径向距离增加而产生相对较陡的梯度。这种情况由图6a中所示的虚线曲线“CAD”表示。
图6a中所示的径向方向R大致垂直地穿过参考图5描述的一个或多个同心层1301…n。这些层1301…n的位置也在图6a中图示出。因此，图6a中所示的X射线衰减值示出了沿着从血管中心线在径向方向R上延伸穿过同心层1301…n的路径的层中的每个层中的X射线衰减。如可以理解的，可以针对不同的旋转方向φ以及针对沿着血管中心线CL的不同位置提供类似于图6a中所示的图形。这些曲线的形状根据CAD在血管中的空间分布而变化。
通过针对同心层1301…n的最内层中的X射线衰减值归一化图6a中所示的X射线衰减值来获得图6b中所示的X射线衰减值的归一化图形。因此，图6b中的血管壁处的经归一化的X射线衰减值对应于一(1)。
在操作S130中，确定表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布。该操作可以通过确定各种生物标志物的值的空间分布来执行。在该操作中包括的可以评价的生物标志物的示例包括脂肪衰减指数FAI(即，在上面引用的AntoniadesC.等人的文献中描述的生物标志物)和体积血管周围表征指数“VPCI-i”(即，在文献WO2016/024128A1中描述的生物标志物)。在该操作中可以替代地确定其他生物标志物的值的空间分布。
举例来说，现在参考图6来描述体积血管周围表征指数“VPCI-i”(即，在文献WO2016/024128A1中描述的生物标志物)的空间分布。在该示例中，针对PVAT的多个同心层1301…n执行上面参考图2描述的确定S120操作和分析S130操作。在该示例中，分析操作S130包括：
基于沿着包围血管120的部分的PVAT的一个或多个同心层1301…n的最内层中的路径的X射线衰减值，对沿着穿过一个或多个同心层1301…n的路径的X射线衰减值的分布进行归一化；
对沿着从血管120的中心线径向向外延伸穿过PVAT的多个同心层1301…n的路径的经归一化的X射线衰减值进行积分；以及
将经积分的经归一化的X射线衰减值与阈值进行比较，以提供表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布；并且
其中，积分包括：将负值分配给超过沿着对应路径的最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值，并且将正值分配给低于沿着对应路径的最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值。
上述操作可以使用表示如在图5的上部部分中显现的血管的CT数据(即，血管处于其实际形状)来执行，或者替代地，上述操作可以使用表示处于展开(并且任选地进一步平坦化)状态的血管的CT数据(即，使用表示如在图5的中心部分或下部部分中显现的血管的CT数据)来执行。
在上述操作中，提供疾病状态值140的空间分布涉及沿着从血管120的中心线径向向外延伸穿过PVAT的多个同心层1301…n的路径对经归一化的X射线衰减值进行积分。参考图5的上部部分，路径可以在旋转方向φ上以指定间隔来定义，并且可以以沿着血管中心线CL的指定位置来定义。例如，路径可以在旋转方向φ上以规则间隔来定义，并且可以以沿着血管中心线CL的规则间隔来定义。如果使用表示如在图5的上部部分中显现的血管的CT数据，则可以通过针对最内层中的X射线衰减值对沿着每条路径的X射线衰减值进行归一化来获得经归一化的X射线衰减值，如上面参考图6a和图6b所述。然后，积分操作相当于使用经归一化的X射线衰减值对沿着每条路径的值执行积分。如果使用表示如在图5的下部部分中显现的血管的CT数据，则血管的该展开表示中的路径通常延伸穿过层1301…n。在这种情况下，通过针对最内层中的X射线衰减值对沿着路径的X射线衰减值进行归一化来再次获得经归一化的X射线衰减值，如上面参考图6b所述。这相当于针对最内层上的对应位置处的X射线衰减值对沿着同心层1301…n的厚度方向z的X射线衰减值进行归一化。然后，积分操作相当于使用经归一化的X射线衰减值对沿着层的路径(即，沿着层的厚度方向z)的值执行积分。
积分操作还包括：将负值分配给超过沿着对应路径的最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值，并且将正值分配给低于沿着对应路径的最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值。参考图6b)，这引起低于1的X射线衰减值被加到积分值，并且从积分值中减去超过1的X射线衰减值。因此，每条路径的积分值表示图6b中用阴影线表示的面积与用点表示的面积之差，该阴影线在线“经归一化的X射线衰减＝1”上方。
上述积分的结果是提供经积分的经归一化的X射线衰减值的空间分布，其中，每个积分值表示沿着不同路径的积分。在比较操作中，然后将每条路径的积分值与阈值进行比较，以提供路径的疾病状态值。路径的疾病状态值可以是模拟值或数字值，例如，CAD或无CAD。阈值可以根据临床研究来确定，临床研究例如将包括CAD的血管与不包括CAD的血管分开。因此，通过对路径中的每条路径执行比较操作，提供了表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布。
返回到图2所示的流程图，在操作S140中，然后输出疾病状态值140的空间分布的图形表示150a、150b。例如，可以将图形表示150a、150b输出到显示器，例如，图3所示的显示器230。在下面参考图7-图10描述了这样的图形表示150a、150b的示例。替代地或额外地，在操作S150中，输出预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间。基于疾病状态值140的空间分布来预测预测时间。
在一个示例中，输出表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布的图形表示。在该示例中，图形表示150a包括疾病状态值140的空间分布到围绕血管120的部分形成的旋转表面上的投影。参考图7描述了该示例，图7是根据本公开内容的一些方面的图示疾病状态值140的空间分布的图形表示150a的第一示例的示意图。在图7所示的示例中，旋转表面包括圆柱形表面。沿着执行积分所沿循的路径投影疾病状态值140，并且将对应的疾病状态值140显示在路径与圆柱形表面之间的交点处的圆柱形表面上。在图7所示的示例中，深阴影区表示CAD的区域，并且浅阴影区表示不存在CAD的区域。在该示例中，可以替代地以不同的方式(例如，经由不同的颜色)显示疾病状态值140。除了图7所示的图形表示之外，还可以显示图示出血管120的部分的图像。例如，可以根据CT数据110来生成血管的部分的重建图像并将其显示在圆柱形表面内。这有助于传达血管解剖结构与疾病状态值之间的对应关系。可以向用户提供操纵图形表示的能力，以便获得疾病状态值140的不同视角。
在另一示例中，输出表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布的图形表示。在该示例中，图形表示150b包括疾病状态值140的空间分布到展开表面的投影，展开表面是围绕血管120的部分形成的旋转表面的展开表示。在图8中图示了该示例，图8是根据本公开内容的一些方面的图示疾病状态值140的空间分布的图形表示150b的第二示例的示意图。与图7所示的示例相比，图7所示的圆柱形表面已经被展开。可以通过沿着线B-B'虚拟地切割圆柱形表面并围绕中心线CL展开表面以将图7的圆柱形表面映射到如图8所示的平面表面上来生成该图形表示。与图7所示的图形表示150a相比，图形表示150b提供了对疾病状态值140的遮挡较少的视图。可以替代地通过直接在PVAT上显示疾病状态值140而直接根据图5的下部部分所示的数据来生成图8所示的图形表示150b。
如上所述，在操作S150中，输出预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间。基于疾病状态值140的空间分布来预测预测时间。作为针对操作S140的替代方案或补充方案，可以执行操作S150。
在该示例中，预定义状态由以下各项中的一项或多项来定义：
来自疾病状态值140的空间分布的值超过预定阈值；
血管疾病的症状的发作；
血管120的生理参数满足预定阈值条件；以及
血管疾病风险度量的值超过预定阈值。
由于在该示例中，基于疾病状态值140的空间分布来预测预测时间，因此可以获得更准确的预测。可以根据该示例预测其发作的症状的示例包括疼痛、皮肤感染、皮肤溃疡、皮肤变色、麻木、中风、恶心、血凝块、胸痛、不规律心跳、呼吸短促等。可以用于定义预定义状态的生理参数的示例包括血管几何形状的测量结果(例如，血管面积或血管直径)、血流参数的测量结果(例如，血流速率、血流储备分数“FFR”、瞬时无波比“iFR”、冠状动脉血流储备“CFR”)等。血管疾病风险度量的示例包括CAD风险、外周动脉疾病“PAD”风险、WIFI评分、GLASS评分、Villata评分、Framingham风险评分、JBS3等。
在一个示例中，可以通过将疾病状态值140的空间分布输入到神经网络中来确定预测时间，该神经网络被训练为预测预期(例如在上述示例中描述的)血管疾病的状态达到预定义状态的时间，可以使用包括疾病状态值140的空间分布的训练数据来训练神经网络，每个空间分布具有达到相关血管疾病的状态的时间的对应基准真值。训练数据可以包括数千个或更多个空间分布和对应的基准真值。可以根据对不同对象执行的历史临床调查来策划训练数据。
还设想了上面参考图2描述的方法的变型。
在一个示例中，CT数据110包括光谱CT数据。光谱CT数据将介质中的X射线衰减定义在多个不同能量区间内。如上所述，通过处理来自多个不同能量区间的数据，能够区分当在单个能量区间内测量时具有相似X射线衰减值并且在常规X射线衰减数据中不可区分的介质。
在该示例中，CT数据110包括将血管120的部分中的X射线衰减定义在多个不同能量区间中的每个能量区间内的光谱CT数据。确定S120 X射线衰减值沿着穿过包围血管120的部分的PVAT的一个或多个同心层1301…n的路径的分布的操作包括：从光谱CT数据中提取表示X射线衰减值沿着穿过包围血管120的部分的PVAT的一个或多个同心层1301…n的路径的分布的PVAT衰减数据。分析S130 X射线衰减值的分布的操作是使用所提取的PVAT衰减数据来执行的。
在该示例中，光谱CT数据可以通过光谱X射线成像系统的各种不同配置来生成，如上所述。使用光谱CT数据有助于改进由PVAT引起的X射线衰减与由可能存在于血管120附近的其他介质引起的X射线衰减之间的区别。这继而在操作S130中提供了对疾病状态值140的空间分布的更可靠的确定。
在另一示例中，在操作S110中接收的CT数据表示在多个不同时间点的血管。然后将来自不同时间点的CT数据相互配准。这使得能够识别疾病状态值140的空间分布随时间的变化。因此，该示例有助于改善对血管中的疾病的进展的理解。
在该示例中，CT数据110表示在多个时间点t0、t1中的每个时间点处的血管120的部分；针对表示在每个时间点t0、t1处的血管120的部分的CT数据执行确定S120操作和分析S130操作；并且参考图2描述的方法包括：
相互配准表示在每个时间点t0、t1处的血管120的部分的X射线衰减值的分布；并且
其中，输出S140疾病状态值140的空间分布的图形表示包括：输出经相互配准的在每个时间点t0、t1处的表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布，和/或输出表示血管120的部分周围的血管疾病的状态在时间点t0、t1中的两个时间点之间的变化的疾病状态值的空间分布，血管疾病的状态的变化是使用经相互配准的在两个时间点处的分布来计算的。
在该示例中，时间点可以被例如几天、几周或几个月分开。例如，时间点可以表示血管上的初始临床调查或后续调查的时间。
在该示例中输出的经相互配准的疾病状态值140的空间分布可以通过叠加空间分布来输出。可以使用各种已知技术来叠加空间分布。
根据该示例输出的表示血管疾病的状态的变化的疾病状态值的空间分布可以通过对经相互配准的空间分布执行减法运算来生成。例如，表示血管疾病的状态的变化的疾病状态值的空间分布可以指示已经被识别为表示CAD的区域的面积之间的差异。
根据该示例执行的配准可以使用各种技术来执行。通常，配准可以是刚性配准或仿射配准或可变形配准。可以使用各种图像配准技术，包括基于强度的图像配准技术、基于特征的图像配准技术、神经网络等。图像配准可以利用以其实际形状表示的血管(即，如在接收到的CT数据110的重建中显现的血管)来执行，或者替代地，图像配准可以使用血管的展开表示(例如，参考图5描述的展开表示)来执行。
在一个示例中，配准操作包括在每个时间点处的CT数据中识别血管的中心线。然后配准血管中心线，以便相互配准在每个时间点处的X射线衰减值的分布。在该示例中，确定S120 X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布的操作包括在多个时间点中的每个时间点处的CT数据110中识别血管120的部分的中心线，并且相互配准X射线衰减值的分布的操作包括相互配准在多个时间点中的每个时间点处的血管120的部分的中心线。
血管中心线提供了能够可靠执行配准的血管中的参考位置。可以通过识别CT数据中的血管的管腔、定义血管中的管腔的中心线以及将管腔的中心线定义为血管中心线CL来识别血管的中心线。血管的管腔的中心线可以被定义为穿过与血管管腔横向相交的多个平面的几何中心的线。可以使用图5的上部部分所示的图像切片以这种方式定义血管中心线。
在相关示例中，X射线衰减值沿着血管120的中心线的分布用于对CT数据中的X射线衰减值的分布进行归一化。在该示例中，确定S120 X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布的操作包括：
确定在时间点中的选定的一个时间点处的X射线衰减值沿着血管120的部分的中心线的分布；以及
基于所确定的分布，针对表示在其他时间点中的一个或多个时间点处的血管120的CT数据110，对X射线衰减值沿着穿过包围血管120的部分的PVAT的一个或多个同心层1301…n的路径的分布进行归一化。
感兴趣区域的CT数据中的X射线衰减值能够根据诸如用于采集CT数据的CT成像系统之类的因素以及诸如X射线能量、CT剂量和机架旋转速度等的值的设置而变化。此外，由于血管中的自然流动特性、血管的自然渐缩等，X射线衰减值的分布也能够沿着血管而变化。因此，通过使用沿着血管的中心线的X射线衰减值的分布对数据进行归一化，该示例提供了对此类效应的可靠校正。因此，它减少了由采集CT数据的方式的差异引起的变化的影响。在该示例中，所选择的时间点可以是时间系列中的第一图像的时间，或者另一图像的时间。然后将来自所选择的图像的沿着血管中心线的X射线衰减值的分布应用于一幅或多幅另外的图像，以便提供沿着血管中心线的相同强度分布。
在一个示例中，使用解剖界标来执行配准操作。在该示例中，相互配准X射线衰减值的分布的操作包括：
识别X射线衰减值的每个分布中的一个或多个解剖界标；以及
基于所识别的一个或多个解剖界标来相互配准X射线衰减值的分布。
在该示例中，可以通过对CT数据执行图像分割操作来识别解剖界标。各种图像分割算法都可以用于该目的，包括基于模型的分割、基于水印的分割、区域生长、水平集、图形切割等。还可以训练神经网络来分割CT数据110，以便识别解剖界标。在该示例中可以识别的一个或多个解剖界标可以包括例如以下各项中的一项或多项：血管120中的分支、血管120中的病变。
在一个示例中，可以在CT数据中自动识别血管的部分。这提供了对血管的部分的可靠识别，并且确保在经相互配准的X射线衰减值的分布中分析血管的相同部分。这继而促进了准确评价疾病状态值140的空间分布随时间的变化。在该示例中，确定S120 X射线衰减值沿着穿过PVAT的一个或多个同心层1301…n的路径的分布的操作包括识别在多个时间点中的每个时间点处的CT数据110中的血管120的部分。例如，可以基于图像中的界标(例如，血管中的分支或血管中的病变)的位置来识别血管的部分。例如，可以将血管的部分识别为血管在两个分支之间的部分。
参考图9和图10描述了使用血管的展开表示来执行图像配准的示例。在该示例中，参考图2描述的方法包括：
变换所接收的CT数据110以提供血管120的展开表示，其中，包围血管120的部分的PVAT的一个或多个同心层1301…n被表示为平面层；并且
其中，使用经变换的CT数据来执行确定S120 X射线衰减值沿着穿过包围血管120的部分的PVAT的一个或多个同心层1301…n的路径的分布；并且
其中，使用根据经变换的CT数据确定的X射线衰减值的分布来执行对在每个时间点t0、t1处的表示血管120的部分的X射线衰减值的分布的相互配准。
在该示例中，利用参考图5的下部部分描述的血管120的展开表示来执行配准。以这种形式配准分布减少了由于时间点之间的血管形状的变化而可能显现在分布中的不规则性。这样的不规则性可能会混淆对疾病状态值140的空间分布随时间的变化的评估。
图9是图示经相互配准的在两个不同的时间点t0、t1处的表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布的图形表示的示例的示意图。在图9中，由实线曲线界定的阴影区域图示了在时间t0处的疾病状态值140(在该示例中为CAD的范围)的空间分布。由虚线曲线界定的区域图示了在时间t1处的CAD的范围。图9所示的图形表示提供了对疾病状态值140的空间分布的变化的清楚图示，而不会受到血管形状的混淆影响。
图10是根据本公开内容的一些方面的图示表示血管120的部分周围的血管疾病的状态在两个时间点t0、t1之间的变化的疾病状态值的空间分布的图形表示的示例的示意图。图10中的阴影区域图示了CAD的空间分布在时间段t0至t1中的变化。这些区域通过减去图9所示的在时间t0和t1处的表示CAD的区域的面积来确定。
在另一示例中，基于疾病状态值140的空间分布来确定针对血管120的一个或多个推荐的处置或监测步骤。一个或多个推荐的处置或监测步骤可以被称为处置计划。在该示例中，参考图2描述的方法包括：
基于疾病状态值140的空间分布来确定针对血管120的一个或多个推荐的处置或监测步骤；
输出所述一个或多个推荐的处置或监测步骤。
根据该示例的处置步骤的示例包括：推荐用药物处置血管、推荐用支架处置血管、推荐更多运动等。根据该示例的监测步骤的示例包括：推荐血压监测、推荐问诊心脏病专家等。
在一个示例中，从数据库确定(一个或多个)推荐的处置或监测步骤。在该示例中，数据库存储来自历史调查的多个参考图形表示和(一个或多个)对应的推荐的处置或监测步骤。对于给定的图形表示，搜索数据库以便识别匹配的图形表示，并且因此提供(一个或多个)推荐的处置或监测步骤。可以通过基于诸如dice系数、交叉熵等相似性度量的值将图形表示与参考图形表示进行比较来识别匹配的图形表示。
在另一示例中，通过将疾病状态值140的空间分布输入到预测模型中来确定(一个或多个)推荐的处置或监测步骤。例如，预测模型可以基于人工智能、机器学习或决策树。可以使用训练数据来训练预测模型，并且其中，对于多个血管中的每个血管，训练数据表示(表示血管120的部分周围的血管疾病的状态的)疾病状态值140的空间分布，以及表示针对血管120的一个或多个历史推荐的处置或监测步骤的对应基准真值数据。
确定针对血管120的一个或多个推荐的处置或监测步骤的操作也可以基于额外信息。
在一个示例中，接收与血管120相关的患者数据，并且确定针对血管120的一个或多个推荐的处置或监测步骤的操作还基于患者数据。患者数据可以表示诸如患者年龄、体重指数、性别、血压、血液胆固醇值、血管疾病家族史指示、吸烟指示、糖尿病或呼吸困难等因素。
在另一示例中，从CT数据中提取额外数据，并且使用额外数据来确定针对血管120的一个或多个推荐的处置或监测步骤。在该示例中，根据所接收的CT数据110来确定血管120中的斑块分布和/或血管120的一个或多个血流参数的值，并且确定针对血管120的一个或多个推荐的处置或监测步骤的操作还分别基于斑块分布或所确定的一个或多个血流参数的值。
在该示例中，可以将额外数据作为另外的输入而提供给预测模型，并且可以使用对应的额外训练数据来训练预测模型以预测针对血管120的一个或多个推荐的处置或监测步骤。可以基于CT数据110中的X射线衰减的值来识别血管中的斑块分布。可以通过将CT数据110提供为光谱CT数据110来实现对CT数据中的斑块区域的改进的隔离。
在一个示例中，X射线投影成像系统用于将血管内处置设备导航到血管的部分，并且图形表示用于将血管内处置设备定位在血管中。在该示例中，参考图2描述的方法包括：
接收表示血管120中的血管内处置设备的X射线图像数据；
将X射线图像数据配准到疾病状态值140的空间分布的图形表示；以及
在图形表示中指示血管内处置设备的位置。
在该示例中，X射线图像数据可以由X射线投影成像系统来提供。可以通过将X射线图像数据配准到CT图像数据来执行配准。例如，可以以各种方式(例如，通过显示X射线图像数据和图形表示150a、150b的叠加物，或者通过显示标记)指示血管内处置设备在图形表示中的位置。通过在图形表示中指示血管内处置设备的位置，该示例促进了处置设备相对于血管中的患病区域的准确定位。因此，可以将处置选择性地递送到患病区域。还可以在递送处置时记录处置设备在图形表示中的位置，以便提供处置的记录。根据该示例的可以被递送到血管的处置的示例包括注射药物(例如，地塞米松和卡那奴单抗)。可以根据该示例使用的血管内处置设备的示例是由美国加利福尼亚州的Mercator MedSystems公司销售的Bullfrog微输注设备。
在另一示例中，提供了一种计算机程序产品。所述计算机程序产品包括指令，所述指令在由一个或多个处理器运行时使所述一个或多个处理器执行确定血管疾病的状态的方法。所述方法包括：
接收S110表示血管120的部分的计算机断层摄影CT数据110；
根据CT数据110来确定S120 X射线衰减值在包围血管120的部分的血管周围脂肪组织PVAT的一个或多个同心层1301…n的范围内的多个位置中的每个位置处的、沿着穿过一个或多个同心层1301…n的路径的分布；
分析S130 X射线衰减值沿着穿过一个或多个同心层1301…n的路径的分布，以提供表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布；以及
输出S140疾病状态值140的空间分布的图形表示150a、150b，和/或输出S150预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间，该预测时间是基于疾病状态值140的空间分布来预测的。
在另一示例中，提供了用于确定血管疾病的状态的系统200。该系统包括一个或多个处理器210，这一个或多个处理器210被配置为：
接收S110表示血管120的部分的计算机断层摄影CT数据110；
根据CT数据110来确定S120 X射线衰减值在包围血管120的部分的血管周围脂肪组织PVAT的一个或多个同心层1301…n的范围内的多个位置中的每个位置处的、沿着穿过一个或多个同心层1301…n的路径的分布；
分析S130 X射线衰减值沿着穿过一个或多个同心层1301…n的路径的分布，以提供表示血管120的部分周围的血管疾病的状态的疾病状态值140的空间分布；以及
输出S140疾病状态值140的空间分布的图形表示150a、150b，和/或输出S150预期血管120的部分周围的血管疾病的状态达到预定义状态的预测时间，该预测时间是基于疾病状态值140的空间分布来预测的。
图3中图示了系统200的示例。注意，系统200还可以包括以下各项中的一项或多项：CT成像系统220，其用于生成在操作S110中接收的CT数据110；监视器230，其用于显示所输出的图形表示150a、150b、根据CT数据110生成的重建CT图像等；病床240；注射器(图2中未图示)；其用于将造影剂注射到脉管系统中；以及用户输入设备，其被配置为接收用户输入，例如，键盘、鼠标、触摸屏等。
上述示例应被理解为对本公开内容的说明，而不是限制。还设想了另外的示例。例如，关于计算机实施的方法描述的示例也可以由对应的计算机程序产品或对应的计算机可读存储介质或对应的系统200来提供。应当理解，关于任何一个示例描述的特征都可以单独使用，也可以与其他描述的特征组合使用，还可以与这些示例中的另一示例的一个或多个特征组合使用，或者与其他示例组合使用。此外，在不脱离所附权利要求中定义的本发明的范围的情况下，也可以采用上面未描述的等同物和修改方案。在权利要求中，词语“包括”并不排除其他元件或操作，并且词语“一”或“一个”并不排除多个。某些特征被记载在互不相同的从属权利要求中这一事实并不指示不能有利地使用这些特征的组合。权利要求中的任何附图标记都不应被解释为限制其范围。

Claims (15)

1.一种确定血管疾病的状态的计算机实施的方法，所述方法包括：
接收(S110)表示血管(120)的部分的计算机断层摄影CT数据(110)；
根据所述CT数据(110)来确定(S120)X射线衰减值在包围所述血管(120)的所述部分的血管周围脂肪组织PVAT的一个或多个同心层(1301…n)的范围内的多个位置中的每个位置处的、沿着穿过所述一个或多个同心层(1301…n)的路径的分布；
分析(S130)X射线衰减值沿着穿过所述一个或多个同心层(1301…n)的所述路径的所述分布，以提供表示所述血管(120)的所述部分周围的血管疾病的状态的疾病状态值(140)的空间分布；以及
输出(S140)疾病状态值(140)的所述空间分布的图形表示(150a、150b)，和/或输出(S150)预期所述血管(120)的所述部分周围的血管疾病的所述状态达到预定义状态的预测时间，所述预测时间是基于疾病状态值(140)的所述空间分布来预测的。
2.根据权利要求1所述的计算机实施的方法，其中，所述CT数据(110)包括将所述血管(120)的所述部分中的X射线衰减定义在多个不同能量区间中的每个能量区间内的光谱CT数据；并且
其中，确定(S120)X射线衰减值沿着穿过包围所述血管(120)的所述部分的PVAT的一个或多个同心层(1301…n)的路径的分布包括从所述光谱CT数据中提取PVAT衰减数据，所述PVAT衰减数据表示PVAT中的所述X射线衰减值沿着穿过包围所述血管(120)的所述部分的PVAT的所述一个或多个同心层(1301…n)的所述路径的分布；并且
其中，分析(S130)X射线衰减值的所述分布是使用所提取的PVAT衰减数据来执行的。
3.根据权利要求1或权利要求2所述的计算机实施的方法，其中，所述CT数据(110)表示在多个时间点(t0、t1)中的每个时间点处的所述血管(120)的所述部分；并且
其中，对表示在每个时间点(t0、t1)处的所述血管(120)的所述部分的所述CT数据执行所述确定(S120)和所述分析(S130)；并且
其中，所述方法还包括：
相互配准表示在每个时间点(t0、t1)处的所述血管(120)的所述部分的X射线衰减值的所述分布；并且
其中，输出(S140)疾病状态值(140)的所述空间分布的图形表示包括：输出经相互配准的在每个时间点(t0、t1)处的表示所述血管(120)的所述部分周围的血管疾病的所述状态的疾病状态值(140)的空间分布，和/或输出表示所述血管(120)的所述部分周围的血管疾病的所述状态在所述时间点(t0、t1)中的两个时间点之间的变化的疾病状态值的空间分布，血管疾病的所述状态的所述变化是使用经相互配准的在所述两个时间点处的X射线衰减值的分布来计算的。
4.根据权利要求3所述的计算机实施的方法，其中，所述方法还包括变换所接收的CT数据(110)以提供所述血管(120)的展开表示，其中，围绕所述血管(120)的所述部分的PVAT的所述一个或多个同心层(1301…n)被表示为平面层；并且
其中，确定(S120)X射线衰减值沿着穿过包围所述血管(120)的所述部分的PVAT的一个或多个同心层(1301…n)的路径的分布是使用经变换的CT数据来执行的；并且
其中，相互配准表示在每个时间点(t0、t1)处的所述血管(120)的所述部分的X射线衰减值的所述分布是使用根据经变换的CT数据确定的X射线衰减值的所述分布来执行的。
5.根据权利要求3或权利要求4所述的计算机实施的方法，其中，相互配准X射线衰减值的所述分布包括：
识别X射线衰减值的每个分布中的一个或多个解剖界标；以及
基于所识别的一个或多个解剖界标来相互配准X射线衰减值的所述分布。
6.根据权利要求5所述的计算机实施的方法，其中，所述一个或多个解剖界标表示以下各项中的至少一项：所述血管(120)中的分支、所述血管(120)中的病变。
7.根据权利要求3-6中的任一项所述的计算机实施的方法，其中，所述确定(S120)包括识别在所述多个时间点中的每个时间点处的所述CT数据(110)中的所述血管(120)的所述部分。
8.根据权利要求3-7中的任一项所述的计算机实施的方法，其中，所述确定(S120)包括识别在所述多个时间点中的每个时间点处的所述CT数据(110)中的所述血管(120)的所述部分的中心线；并且
其中，相互配准X射线衰减值的所述分布包括相互配准在所述多个时间点中的每个时间点处的所述血管(120)的所述部分的所述中心线；
并且/或者
其中，所述确定(S120)还包括：
确定在所述时间点中的选定的一个时间点处的X射线衰减值沿着所述血管(120)的所述部分的所述中心线的分布；以及
基于所确定的分布，针对表示在其他时间点中的一个或多个时间点处的所述血管(120)的所述CT数据(110)，对X射线衰减值沿着穿过包围所述血管(120)的所述部分的PVAT的所述一个或多个同心层(1301…n)的所述路径的所述分布进行归一化。
9.根据权利要求1-8中的任一项所述的计算机实施的方法，其中，表示所述血管(120)的所述部分周围的血管疾病的所述状态的疾病状态值(140)的所述空间分布的所述图形表示包括：疾病状态值(140)的所述空间分布到围绕所述血管(120)的所述部分形成的旋转表面上的投影；或者
其中，表示所述血管(120)的所述部分周围的血管疾病的所述状态的疾病状态值(140)的所述空间分布的所述图形表示包括：疾病状态值(140)的所述空间分布到展开表面上的投影，所述展开表面是围绕所述血管(120)的所述部分形成的旋转表面的展开表示。
10.根据权利要求1-9中的任一项所述的计算机实施的方法，其中，所述方法还包括：
接收表示所述血管(120)中的血管内处置设备的X射线图像数据；
将所述X射线图像数据配准到疾病状态值(140)的所述空间分布的所述图形表示；以及
在所述图形表示中指示所述血管内处置设备的位置。
11.根据权利要求1或权利要求2所述的计算机实施的方法，其中，所述方法包括输出(S150)预期所述血管(120)的所述部分周围的血管疾病的所述状态达到预定义状态的预测时间，并且其中，所述预定义状态由以下各项中的一项或多项来定义：
来自疾病状态值(140)的所述空间分布的值超过预定阈值；
血管疾病的症状的发作；
所述血管(120)的生理参数满足预定阈值条件；以及
血管疾病风险度量的值超过预定阈值。
12.根据权利要求1-11中的任一项所述的计算机实施的方法，其中，所述方法还包括：
基于疾病状态值(140)的所述空间分布来确定针对所述血管(120)的一个或多个推荐的处置或监测步骤；
输出所述一个或多个推荐的处置或监测步骤。
13.根据权利要求12所述的计算机实施的方法，还包括：
根据所接收的CT数据(110)来确定所述血管(120)中的斑块分布和/或针对所述血管(120)的一个或多个血流参数的值；并且
其中，确定针对所述血管(120)的一个或多个推荐的处置或监测步骤还分别基于斑块分布或所确定的所述一个或多个血流参数的值。
14.根据权利要求12或权利要求13所述的计算机实施的方法，其中，确定针对所述血管(120)的一个或多个推荐的处置或监测步骤包括：将疾病状态值(140)的所述空间分布输入到预测模型中。
15.根据权利要求1-14中的任一项所述的计算机实施的方法，其中，所述确定(S120)和所述分析(S130)是针对PVAT的多个同心层(1301…n)执行的，并且其中，所述分析(S130)还包括：
基于沿着包围所述血管(120)的所述部分的PVAT的所述一个或多个同心层(1301…n)的最内层中的所述路径的所述X射线衰减值对所述X射线衰减值沿着穿过所述一个或多个同心层(1301…n)的所述路径的所述分布进行归一化；
沿着从所述血管(120)的中心线径向向外延伸穿过PVAT的所述多个同心层(1301…n)的路径对经归一化的X射线衰减值进行积分；以及
将经积分的经归一化的X射线衰减值与阈值进行比较，以提供表示所述血管(120)的所述部分周围的血管疾病的状态的疾病状态值(140)的所述空间分布；并且
其中，所述积分包括：将负值分配给超过沿着对应路径的最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值，并且将正值分配给低于沿着所述对应路径的所述最内层中的经归一化的X射线衰减值的经归一化的X射线衰减值。
CN202480013830.XA 2023-02-20 2024-02-13 确定血管疾病的状态 Pending CN120751985A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202363446997P 2023-02-20 2023-02-20
US63/446,997 2023-02-20
EP23168893.8A EP4449993A1 (en) 2023-04-20 2023-04-20 Determining a status of vascular disease
EP23168893.8 2023-04-20
PCT/EP2024/053565 WO2024175415A1 (en) 2023-02-20 2024-02-13 Determining a status of vascular disease

Publications (1)

Publication Number Publication Date
CN120751985A true CN120751985A (zh) 2025-10-03

Family

ID=89900977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202480013830.XA Pending CN120751985A (zh) 2023-02-20 2024-02-13 确定血管疾病的状态

Country Status (2)

Country Link
CN (1) CN120751985A (zh)
WO (1) WO2024175415A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201414496D0 (en) 2014-08-15 2014-10-01 Isis Innovation Method
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques

Also Published As

Publication number Publication date
WO2024175415A1 (en) 2024-08-29

Similar Documents

Publication Publication Date Title
US12367588B2 (en) Systems and methods for classification of arterial image regions and features thereof
US20250114150A1 (en) Artificial intelligence coregistration and marker detection, including machine learning and using results thereof
CN112967220B (zh) 评估与血管周围组织有关的ct数据集的计算机实现的方法
CN110944586B (zh) 来自x射线图像数据的炎症估计
CN105830123B (zh) 谱图像数据处理
CN105934199B (zh) 用于处理体腔的医学图像的设备和方法
JP2009011828A (ja) 血管系の中の障害を検出するための方法及びシステム
JP2017500179A (ja) 狭窄マッピングによって狭窄重症度を評価するための方法
EP4224416A1 (en) Identifying angiographic images for vessel assessment
JP7715294B2 (ja) 血流パラメータの測定
JP2025527149A (ja) 血流パラメータの値の決定
US20250204871A1 (en) Contrast agent attenuation gradient
EP4449993A1 (en) Determining a status of vascular disease
US20230309940A1 (en) Explainable deep learning camera-agnostic diagnosis of obstructive coronary artery disease
CN120751985A (zh) 确定血管疾病的状态
EP4108177A1 (en) Intraluminal device data quality metric
WO2024170357A1 (en) Systems and methods for invasive diagnostic planning
WO2024229165A1 (en) Systems, methods, and devices for image-based plaque analysis and risk determination
JP2025533809A (ja) 血管内および血管外のデータを登録するためのシステムおよび方法
KR20240057147A (ko) 기계 학습 모델에 기초하여 혈관을 분석하는 방법 및 장치

Legal Events

Date Code Title Description
PB01 Publication